Suchergebnisse - Machine Learning and Data Mining for Sports Analytics
-
1
Augmented intelligence for FIFA predictions (Augmented Intelligence für FIFA-Prognosen)
Jethuri, K., Emmadi, S. C., Samudrala, S., Natarajan, J., Ghotkar, P., Natu, M.Veröffentlicht in Machine Learning and Data Mining for Sports Analytics. MLSA 2024. Communications in Computer and Information Science (2025)Zeitschrift: “… Machine Learning and Data Mining for Sports Analytics. …”
-
2
Masked autoencoder pretraining for event classification in elite soccer (Maskiertes Autoencoder-Vortraining für die Ereignisklassifizierung im Elite-Fußball)
Rudolph, Y., Brefeld, U.Veröffentlicht in Machine Learning and Data Mining for Sports Analytics. MLSA 2023. Communications in Computer and Information Science (2024)Zeitschrift: “… Machine Learning and Data Mining for Sports Analytics. …”
-
3
Pass receiver and outcome prediction in soccer using temporal graph networks (Passempfänger und Ergebnisvorhersage im Fußball mittels temporaler Graphennetze)
Rahimian, P., Kim, H., Schmid, M., Toka, L.Veröffentlicht in Machine Learning and Data Mining for Sports Analytics. MLSA 2023. Communications in Computer and Information Science (2024)Zeitschrift: “… Machine Learning and Data Mining for Sports Analytics. …”
-
4
Field depth matters: Comparing the valuation of passes in football (Die Tiefe des Feldes ist wichtig: Die Bewertung von Pässen im Fußball im Vergleich)
de Sá-Freire, L. M., Vaz-de-Melo, P. O. S.Veröffentlicht in Machine Learning and Data Mining for Sports Analytics. MLSA 2023. Communications in Computer and Information Science (2024)Zeitschrift: “… Machine Learning and Data Mining for Sports Analytics. …”
-
5
Towards expected counter - using comprehensible features to predict counterattacks (Auf dem Weg zum erwarteten Gegenschlag - Verwendung verständlicher Merkmale zur Vorhersage von Gegenangriffen)
Biermann, H., Wieland, F. G., Timmer, J., Memmert, D., Phatak, A.Veröffentlicht in Machine Learning and Data Mining for Sports Analytics. MLSA 2022. Communications in Computer and Information Science (2022)Zeitschrift: “… Machine Learning and Data Mining for Sports Analytics. …”
-
6
Shot analysis in different levels of German football using expected goals (Schussanalyse in verschiedenen Ebenen des deutschen Fußballs anhand der erwarteten Tore)
Raudonius, L., Seidl, T.Veröffentlicht in Machine Learning and Data Mining for Sports Analytics. MLSA 2022. Communications in Computer and Information Science (2022)Zeitschrift: “… Machine Learning and Data Mining for Sports Analytics. …”
-
7
Analyzing passing sequences for the prediction of goal-scoring opportunities (Analyse von Passfolgen zur Vorhersage von Torchancen)
McCarthy, C., Tampakis, P., Chiarandini, M., Randers, M. B., Jänicke, S., Zimek, A.Veröffentlicht in Machine Learning and Data Mining for Sports Analytics. MLSA 2022. Communications in Computer and Information Science (2022)Zeitschrift: “… Machine Learning and Data Mining for Sports Analytics. …”
-
8
Let's penetrate the defense: a machine learning model for prediction and valuation of penetrative passes (Lasst uns die Verteidigung durchdringen: ein Modell für maschinelles Lernen zur Vorhersage und Bewertung von durchdringenden Pässen)
Rahimian, P., da Silva Guerra Gomes, D. G., Berkovics, F., Toka, L.Veröffentlicht in Machine Learning and Data Mining for Sports Analytics. MLSA 2022. Communications in Computer and Information Science (2022)Zeitschrift: “… Machine Learning and Data Mining for Sports Analytics. …”
-
9
Evaluation of creating scoring opportunities for teammates in soccer via trajectory prediction (Bewertung der Schaffung von Torchancen für Mitspieler im Fußball durch Vorhersage der Flugbahn)
Teranishi, M., Tsutsui, K., Takeda, K., Fujii, K.Veröffentlicht in Machine Learning and Data Mining for Sports Analytics. MLSA 2022. Communications in Computer and Information Science (2022)Zeitschrift: “… Machine Learning and Data Mining for Sports Analytics. …”
-
10
Cost-efficient and bias-robust sports player tracking by integrating GPS and video (Kosteneffiziente und verzerrungssichere Verfolgung von Sportlern durch Integration von GPS und Video)
Kim, H., Kim, C. J., Jeong, M., Lee, J., Yoon, J., Ko, S. K.Veröffentlicht in Machine Learning and Data Mining for Sports Analytics. MLSA 2022. Communications in Computer and Information Science (2022)Zeitschrift: “… Machine Learning and Data Mining for Sports Analytics. …”
-
11
6MapNet: Representing soccer players from tracking data by a triplet network (6MapNet: Darstellung von Fußballspielern aus Verfolgungsdaten durch ein Triplett-Netzwerk)
-
12
A career in football: What is behind an outstanding market value? (Eine Karriere im Fußball: Was verbirgt sich hinter einem herausragenden Marktwert?)
Acs, B., Toka, L.Veröffentlicht in Machine Learning and Data Mining for Sports Analytics. MLSA 2021. Communications in Computer and Information Science (2022)Zeitschrift: “… Machine Learning and Data Mining for Sports Analytics. …”
-
13
Inferring the strategy of offensive and defensive play in soccer with inverse reinforcement learning (Ableitung der Strategie des Offensiv- und Defensivspiels im Fußball mit Inverse Reinforcement Learning)
Rahimian, P., Toka, L.Veröffentlicht in Machine Learning and Data Mining for Sports Analytics. MLSA 2021. Communications in Computer and Information Science (2022)Zeitschrift: “… Machine Learning and Data Mining for Sports Analytics. …”
-
14
Predicting player transfers in the small world of football (Vorhersage von Spielertransfers in der kleinen Welt des Fußballs)
Kovacs, R., Toka, L.Veröffentlicht in Machine Learning and Data Mining for Sports Analytics. MLSA 2021. Communications in Computer and Information Science (2022)Zeitschrift: “… Machine Learning and Data Mining for Sports Analytics. …”
-
15
Similarity of football players using passing sequences (Ähnlichkeit von Fußballspielern anhand von Passsequenzen)
Barbosa, A., Ribeiro, P., Dutra, I.Veröffentlicht in Machine Learning and Data Mining for Sports Analytics. MLSA 2021. Communications in Computer and Information Science (2022)Zeitschrift: “… Machine Learning and Data Mining for Sports Analytics. …”
-
16
The interpretable representation of football player roles based on passing/receiving patterns (Die interpretierbare Darstellung der Rollen von Fußballspielern auf der Grundlage von Pass-/Annahmemustern)
Sattari, A., Johansson, U., Wilderoth, E., Jakupovic, J., Larsson-Green, P.Veröffentlicht in Machine Learning and Data Mining for Sports Analytics. MLSA 2021. Communications in Computer and Information Science (2022)Zeitschrift: “… Machine Learning and Data Mining for Sports Analytics. …”
-
17
An autoencoder based approach to simulate sports games (Ein Autoencoder-basierter Ansatz zur Simulation von Sportspielen)
Vaswani, A., Ganguly, R., Shah, H., Ranjit, S, S., Pandit, S., Bothara, S.Veröffentlicht in Machine Learning and Data Mining for Sports Analytics (2020)“… Machine Learning and Data Mining for Sports Analytics …”
-
18
Physical performance optimization in football (Optimierung der körperlichen Leistungsfähigkeit im Fußball)
Dobreff, G., Revisnyei, P., Schuth, G., Szigeti, G., Toka, L., Pašic, A.Veröffentlicht in Machine Learning and Data Mining for Sports Analytics (2020)“… Machine Learning and Data Mining for Sports Analytics …”
-
19
Routine Inspection: A Playbook for Corner Kicks (Routinemäßige Inspektion: Ein Spielbuch für Eckstöße)
Shaw, L., Gopaladesikan, S.Veröffentlicht in Machine Learning and Data Mining for Sports Analytics (2020)“… Machine Learning and Data Mining for Sports Analytics …”
-
20
Low-cost optical tracking of soccer players (Kostengünstige optische Verfolgung von Fußballspielern)
Csanalosi, G., Dobreff, G., Pasic, A., Molnar, M., Toka, L.Veröffentlicht in Machine Learning and Data Mining for Sports Analytics (2020)“… Machine Learning and Data Mining for Sports Analytics …”